面向云端与边缘的抗脆弱 sewer -overflow 监测解决方案
人工智能
2026-05-12 v1 人机交互
机器学习
摘要
许多历史城市的老化组合下水道系统正日益受到极端降雨事件的压力，这些事件可触发组合下水道溢出 (CSO)，并对环境和公共健康造成重大影响。预测溢出池的充盈动力学对于预判容量超限并启用及时的预防措施至关重要。我们提出了一个基于网页的演示系统 (https://riwwer.demo.calgo-lab.de)，将深度学习预测方法集成到云端和边缘设置中，构建用于溢出监测的交互式监控仪表盘，具备网络中断的韧性。可在线提供视频演示 (https://cloud.bht-berlin.de/index.php/s/b9xt4T3SdiLBiFZ)。
引用
@article{arxiv.2605.10592,
title = {A Resilient Solution for Sewer Overflow Monitoring across Cloud and Edge},
author = {Vipin Singh and Tianheng Ling and Peter Ghaly and Felix Grimmeisen and Gregor Schiele and Felix Biessmann},
journal= {arXiv preprint arXiv:2605.10592},
year = {2026}
}
备注
3 pages, 6 figures, accepted at 35th International Joint Conference on Artificial Intelligence 2026 (IJCAI-ECAI 2026), Demonstrations Track. URL: https://riwwer.demo.calgo-lab.de